Die Identifizierung von geeigneten unbesetzten Standorten ist notwendig um zu verstehen ob für die Verteilung einer Pflanzenart entweder vorherrschende Umweltbedingungen oder limitierte Ausbreitungseigenschaften entscheidend sind. Als direkter Nachweis für die Eignung eines Standortes gelten Transplantationsexperimente, im Gegensatz dazu sind indirekte Methoden wie sogenannte Habitatmodelle (Species Distribution Models) weit aus ökonomischer und liefern schneller Ergebnisse. Vergleichsstudien zwischen direkten und indirekten Methoden bezüglich der Fähigkeit geeignete Standorten vorauszusagen gibt es wenige, insbesondere für mehrjährige Arten. In dieser Studie wurden geeignete unbesetzte Standorte von vier mehrjährigen auf Schneeböden spezialisierten Pflanzenarten (Achillea atrata, Achillea clusiana, Arabis caerulea und Gnaphalium hoppeanum) mit Vorkommen in den Nordöstlichen Kalkalpen mittels auf Umweltvariablen basierenden Modellen vorausgesagt. Als Umweltvariablen dienten entweder abiotische Faktoren (abgeleitet aus Klimadaten und der Topographie) oder aus der Artenzusammensetzung abgeleitete Parameter (gemittelte Ellenberg Zeigerwerte) oder einer Kombination aus allen eben genannten Faktoren. Ein Vergleich der verschiedenen Modelle wurden angestellt und anschließend die Güte der prognostizierten Vorkommenswahrscheinlichkeiten mit der auf denselben Standorten gemessenen Leistungsfähigkeit der Pflanzen in 4-jährigen Transplantationsexperimenten geprüft. Unsere Ergebnisse zeigen, dass die Identifizierung von geeigneten unbesetzten Standorten für mehrjährige Schneebodenarten nur begrenzt möglich ist, da die Anzahl und die Identität der prognostizierten Flächen zwischen den Modellen stark abweicht. Jedenfalls sind die auf Artenzusammensetzung basierenden Parameter meist verlässlicher, um geeignete unbesetzte Standorte vorauszusagen, als abiotischen Faktoren. Eine Erklärung dafür ist, dass die Artenzusammensetzung die Umweltbedingungen über mehrere Jahre wiederspiegelt. Bei zwei Arten trat durch die Kombination aller Faktoren eine Verbesserung der Voraussagen ein. Eine Evaluierung der prognostizierten Vorkommenswahrscheinlichkeiten mit der Leistungsfähigkeit der Pflanzen in den Langzeit-Transplantationsexperimenten zeigte nur einen schwachen Zusammenhang. Diese Erkenntnis unterstützt die Bedeutung der Ausbreitungsfähigkeit für das Vorkommen von langlebigen Pflanzenarten in fragmentierten Landschaftskomplexen. Für weitere Untersuchungen empfehlen wir deshalb Eigenschaften bezüglich der Ausbreitungsfähigkeit (z.B. Samengewicht, Samenanzahl), bei der Bestimmung von geeigneten unbesetzten Standorten miteinzubeziehen. Unsere Studie liefert nützliche Hinweise für die Voraussage von neuen unbesetzten Standorten für gefährdete Pflanzenarten und weist auf die Notwendigkeit weiterer relevanter Faktoren für eine zuverlässige Prädiktion hin.

Identifying suitable unoccupied sites is relevant to understand if the distribution of a plant species is mainly determined by environmental conditions or rather by dispersal limitation. Although transplantation experiments can provide direct evidence if a site is suitable for a given plant species, indirect methods such as Species Distribution Models (SDMs) are supposed to be more advantageous as they are less laborious. However, studies comparing the performance of direct and indirect methods are scarce, especially those considering long-lived plant species. The present work sets out to predict suitable unoccupied sites for four long-lived plant species (Achillea atrata, Achillea clusiana, Arabis caerulea and Gnaphalium hoppeanum) occurring in snowbed sites in the north-eastern Calcareous Alps of Austria, by means of models based on the following sets of environmental variables: i) abiotic factors (bioclimatic and topographic conditions); ii) parameters derived by species composition (mean Ellenberg indicator values); iii) a combination of the above mentioned variables. Model predictonswere evaluated using seven performance traits obtained from a 4-years transplantation experiment carried out at the same sites. Our results showed that models based on environmental variables have limited ability to predict suitable but unoccupied sites for snowbed species, as the number and identity of predicted sites varied largely among models. However, models relating parameters derived by species composition to the occurrence pattern of species showed a better fit than those based on abiotic factors as they integrate information about actual and past habitat conditions. The predicted probability of occurrence showed only weak correspondence to long-term results from transplantation experiments. This result underlies the importance of integrating dispersal abilities in the model to predict the distribution of long-lived species in fragmented landscapes. We therefore suggest the use of variables describing the dispersal abilities of species (e.g. seed mass, seed number) for the determination if an unoccupied site is suitable. Our study offered valuable insights for predicting new suitable sites for rare plant species, highlighting the necessity of embedding additional relevant factors in the models to obtain accurate predictions.